Indicador 2 - Estabelecimentos hospitalares novos com estrutura (serviços) para covid-19

Instrução: Estabelecimentos criados entre 2020 e 2021, com o termo “COVID” em seu nome fantasia e (+) aqueles com leito com as descrições: “51-UTI II ADULTO-SINDROME RESP. AGUDA GRAVE (SRAG)-COVID-19” ou “52 - UTI II PEDIATRICA-SINDROME RESP. AGUDA GRAVE (SRAG)-COVID-19” ou “96- SUPORTE VENTILATÓRIO PULMONAR - COVID-19”).

Primeiramente, preciso saber quais eram os estabelecimentos que foram criados nos anos de 2020 e 2021. Para isso, vou excluir todos os estabelecimentos que já existiam em 2019, pegando apenas os novos os anos subsequentes.

Para feitos de análise, foram acessados os estabelecimentos nas competências 12 (Dezembro) de cada ano.

cnes_2019 <- df %>% 
  filter(COMPETEN == "201912") %>% 
  distinct(CNES, FANTASIA, RAZ_SOCI)

cnes_2019c <- cnes_2019$CNES  


leitos <- c(51, 52, 96)

cnes_20_21 <- df %>% 
  filter(COMPETEN == "202012" | COMPETEN == "202112") %>% 
  filter(CNES %ni% cnes_2019c) %>% 
  filter(str_detect(FANTASIA, "covid") | CODLEITO %in% leitos) %>% 
  select(COMPETEN, uf, CODUFMUN, municipio_pad, regiao,  CNES, FANTASIA, RAZ_SOCI, RSOC_MAN, 
         CODLEITO, QT_EXIST) 

Os estabelecimentos que cumprem os requisitos estão listados abaixo.

Temos a seguinte situação em termos de leitos no último mês de 2020 e 2021 respectivamente.

a <- cnes_20_21 %>% 
  mutate(Ano = as.integer(substr(COMPETEN, 1, 4))) %>% 
  group_by(Ano, regiao) %>% 
  summarise(qtd_existente = sum(QT_EXIST)) %>% 
  ggplot(aes(x = Ano, y = qtd_existente, col = regiao)) + geom_line() + 
  scale_x_continuous(breaks = seq(2020,2021,1)) +
  theme_minimal() + ylab("Quantidade existente") + ggtitle("Quantidade de leitos existentes",
                                                           "Fonte: CNES-LT")

  
  
plotly::ggplotly(a)  

O próximo passo é identificar quantos hospitais novos foram criados cada ano

cnes20 <- cnes_20_21 %>% 
  filter(COMPETEN == "202012") %>% 
  distinct(CNES, FANTASIA, RAZ_SOCI, uf, regiao) %>% 
  group_by(regiao) %>% 
  summarise(total = n()) %>% 
  mutate(ano = 2020)
   
  
cnes20_c <- cnes_20_21 %>% 
              filter(COMPETEN == "202012") %>% 
              distinct(CNES)

cnes20_c <- cnes20_c$CNES


cnes21 <- cnes_20_21 %>% 
            filter(COMPETEN == "202112") %>% 
            filter(CNES %ni% cnes20_c) %>% 
            distinct(CNES, FANTASIA, RAZ_SOCI, uf, regiao) %>% 
            group_by(regiao) %>% 
            summarise(total = n()) %>% 
            mutate(ano = 2021)

cnes_novos <- rbind(cnes20, cnes21)

b <- cnes_novos %>% 
      ggplot(aes(x = ano, y = total, col = regiao)) + geom_line() +  
      theme_minimal() +  scale_x_continuous(breaks = seq(2020,2021,1)) + 
      ylab("Quantidade de estabelecimentos") + ggtitle("Quantidade de estabelecimentos novos em cada ano",
                                                       "Fonte: CNES-LT")

plotly::ggplotly(b)